Windows10下安装anaconda与搭建tensorflow-gpu虚拟环境

以下是一套个人认为最简单明了的深度学习框架环境搭建方案，供各位参考学习：

直接下载安装即可，注意在此处勾选上“添加anaconda3到系统PATH环境变量”。

// 1.创建名为env_name虚拟环境
C:\Users\gh>conda create -n env_name python=3.8

// 2.激活env_name环境
C:\Users\gh>activate env_name

// 3.在env_name环境下pip默认安装最新版tensorflow
(env_name) C:\Users\gh>pip install tensorflow

接下来最好先去NVIDIA官网手动更新一下显卡驱动https://www.nvidia.cn/Download/index.aspx?lang=cn

如cuda、cudnn需手动下载则去cuda官网选择显卡控制面板系统信息查找适配cuda版本，cudnn登录显卡官网下载解压复制到cuda文件夹下，最后设置环境变量到系统path：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp

// 4.更新显卡驱动后此条命令会默认安装最新版tensorflow-gpu及cuda、cudnn
(env_name) C:\Users\gh>pip install --ignore-installed --upgrade tensorflow-gpu

如无法自动安装cuda及cudnn：
conda install cudatoolkit
conda install cudnn
版本自动匹配

// 5.安装jupyter notebook
(env_name) C:\Users\gh>conda install notebook

// 6.打开jupyter notebook测试
(env_name) C:\Users\gh>jupyter notebook

// 7.tensorflow-gpu测试，true即为成功。
import tensorflow as tf
print('GPU:', tf.test.is_gpu_available())

创建环境: conda create -n env_name

删除环境: conda remove -n env_name --all

删除环境下包: conda remove --name $env_name $pack_name

安装包: conda install pack_name

展示已下载环境名: conda info --envs

1. 创建环境
2. pytoch下载官网:
   https://pytorch.org/get-started/locally/

https://www.tensorflow.org/install/source#common_installation_problems
查看tensorflow-keras-cuda-cudnn版本匹配对应问题

直接通过pip install tesnorflow-gpu==2.0.0
conda install cudatoolkit=10.0.0
conda install cudnn=7.6.5